Кореневский Николай Алексеевич, д-р технических наук, проф., зав. каф. биомедицинской инженерии
ул. 50 лет Октября 94, г. Курск 305040
Nikolai A. Korenevsky, Dr. of Sci. (Engineering), Professor, Head of the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Аксёнов Виталий Вячеславович, зав. лабораториями каф. биомедицинской инженерии
ул. 50 лет Октября 94, г. Курск 305040
Vitaliy V. Aksenov, Head of Laboratories of the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Родионова Софья Николаевна, аспирант каф. биомедицинской инженерии
ул. 50 лет Октября 94, г. Курск 305040
Sofya N. Rodionova, Post-Graduate Student of the Biomedical Engineering Department
50 Let Oktyabrya Str. 94, Kursk 305040
Гонтарев Сергей Николаевич, д-р медицинских наук, проф., зав. каф. детской стоматологии
ул. Победы 85, г. Белгород 308015
Sergey N. Gontarev, Dr. of Sci. (Medical), Professor, Head of the Department of Pediatric Dentistry
85 Pobedy Str., Belgorod 308015
Лазурина Людмила Петровна, д-р биологических наук, проф., зав. каф. биологической и химической технологии
ул. Карла Маркса 3, г. Курск 305041
Lyudmila P. Lazurina, Dr. of Sci. (Biological), Professor, Head of the Department of Biological and Chemical Technology
3 Karl Marx Str., Kursk 305041
Сафронов Руслан Игоревич, канд. технических наук, доцент каф. электротехники и электроэнергетики
ул. Карла Маркса 70, г. Курск 305021
Ruslan I. Safronov, Сand. of Sci. (Engineering), Associate Professor of the Department of Electrical Engineering and Electric Power Engineering
70 Karl Marx Str., Kursk 305021
Целью исследования является разработка метода комплексной оценки уровня информативности классификационных признаков в условиях неполной и нечеткой структуры данных.
Методы исследования. В качестве базового математического аппарата используется методология синтеза гибридных нечетких решающих правил, ориентированная на принятие решений в условиях неполного и нечеткого описания анализируемых данных. В условиях отсутствия обучающих выборок для оценки информативности предлагается использовать экспертное оценивание с использованием мозгового штурма по методу Дельфы и теорию измерения латентных переменных с моделью Г. Раша. При наличии обучающих выборок, включая выборки малого объема, - методы экспертного оценивания, информативную меру Кульбака, дискриминантный анализ, метод группового учета аргументов, метод Вальда и теорию измерения латентных переменных.
Результаты. В качестве базовых элементов математических моделей расчета показателей информативности предложено использовать нормировочные функции информативности, учитывающие меры доверия к используемым методам и данным и обладающие свойствами функций принадлежности. Искомые показатели информативности по отдельным признакам и по всему признаковому пространству получают агрегацией нормировочных функций, причем функции агрегации выбираются с учетом особенностей решаемых задач.
Заключение. В ходе проводимых исследований решалась задача разработки метода комплексной оценки уровня информативности классификационных признаков в условиях неполной и нечеткой структуры данных. Было показано, что для количественной оценки информативности каждого из признаков следует использовать несколько методов, описывающих различные свойства исследуемой структуры данных, а интегральный показатель информативности определять путем синтеза нечетких моделей в соответствии с общими рекомендациями методологии синтеза гибридных нечетких решающих правил. Для повышения точности моделей принятия решений предложен механизм их корректировки путем введения мер доверия к составу информативных признаков и объему обучающей выборки.
The purpose of research is to develop a method for a comprehensive assessment of the level of information content of classification features in conditions of incomplete and fuzzy data structure.
Methods. The methodology of synthesis of hybrid fuzzy decision rules is used as a basic mathematical apparatus, focused on decision-making in conditions of incomplete and fuzzy description of the analyzed data. In the absence of training samples, it is proposed to use expert evaluation using brainstorming using the Delphi method and the theory of measuring latent variables with the G. Rush model to assess informativeness. In the presence of training samples, including small-volume samples - methods of expert evaluation, the informative Kullback measure, discriminant analysis, the method of group accounting of arguments, the Wald method, and the theory of measurement of latent variables.
Results. As the basic elements of mathematical models for calculating indicators of informativeness, it is proposed to use normalization functions of informativeness that take into account measures of confidence in the methods and data used and have the properties of membership functions. The desired indicators of informativeness for individual features and for the entire feature space are obtained by aggregation of normalization functions, and aggregation functions are selected taking into account the specifics of the tasks being solved.
Conclusion. In the course of the conducted research, the task of developing a method for a comprehensive assessment of the level of information content of classification features in conditions of incomplete and fuzzy data structure was solved. It was shown that to quantify the informativeness of each of the features, several methods describing various properties of the data structure under study should be used, and the integral indicator of informativeness should be determined by synthesizing fuzzy models in accordance with the general recommendations of the methodology for synthesizing hybrid fuzzy decision rules. To improve the accuracy of decision-making models, a mechanism for their correction is proposed by introducing confidence measures to the composition of informative features and the volume of the training sample.
The authors declare that there are no conflicts of interest present.